JP2022550267A - 血流予備量比を決定するための画像データの自動解析 - Google Patents
血流予備量比を決定するための画像データの自動解析 Download PDFInfo
- Publication number
- JP2022550267A JP2022550267A JP2022515050A JP2022515050A JP2022550267A JP 2022550267 A JP2022550267 A JP 2022550267A JP 2022515050 A JP2022515050 A JP 2022515050A JP 2022515050 A JP2022515050 A JP 2022515050A JP 2022550267 A JP2022550267 A JP 2022550267A
- Authority
- JP
- Japan
- Prior art keywords
- vessel
- pathology
- processor
- image
- images
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 42
- 230000017531 blood circulation Effects 0.000 title description 5
- 230000007170 pathology Effects 0.000 claims abstract description 104
- 201000010099 disease Diseases 0.000 claims description 36
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 36
- 230000002792 vascular Effects 0.000 claims description 36
- 238000001514 detection method Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 210000004351 coronary vessel Anatomy 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 30
- 208000031481 Pathologic Constriction Diseases 0.000 description 34
- 230000036262 stenosis Effects 0.000 description 28
- 208000037804 stenosis Diseases 0.000 description 28
- 238000005259 measurement Methods 0.000 description 24
- 230000015654 memory Effects 0.000 description 13
- 210000001367 artery Anatomy 0.000 description 8
- 239000002872 contrast media Substances 0.000 description 8
- 210000004204 blood vessel Anatomy 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 230000003902 lesion Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000002123 temporal effect Effects 0.000 description 5
- 238000002583 angiography Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 210000003462 vein Anatomy 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000001575 pathological effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 210000005166 vasculature Anatomy 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 208000029078 coronary artery disease Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 210000002216 heart Anatomy 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 210000004165 myocardium Anatomy 0.000 description 2
- 238000012014 optical coherence tomography Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 200000000007 Arterial disease Diseases 0.000 description 1
- 201000001320 Atherosclerosis Diseases 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 238000002608 intravascular ultrasound Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000007505 plaque formation Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000012285 ultrasound imaging Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02028—Determining haemodynamic parameters not otherwise provided for, e.g. cardiac contractility or left ventricular ejection fraction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
- A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30048—Heart; Cardiac
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30204—Marker
Abstract
脈管解析のためのシステムおよび方法は、脈管の第1の画像において病態を自動的に検出し、第1の画像において病態に仮想マークを付ける。このシステムは、仮想マークに基づいて、脈管の第2の画像において同じ病態を検出し、第1および第2の画像において検出された病態に基づいて解析を提供(たとえばFFR値を決定)してよい。【選択図】図8
Description
本発明は、たとえば血流予備量比などの機能的測定値の自動決定を含む画像データからの自動脈管解析、および解析をユーザにインタフェース接続することに関する。
動脈疾患は、狭窄動脈が身体器官への血流量を低下させるという循環の問題を伴う。たとえば、冠動脈疾患(CAD)は最も一般的な循環器疾患であり、心臓動脈におけるプラークの形成によって心筋への血流量の低下を伴う。
現在の臨床診療は、患部の脈管の目視評価に依拠している。たとえば、血管造影法は、狭窄症(多くの場合、アテローム硬化症に起因する狭窄)および他の血管症状を診断および治療するために動脈、静脈、および器官の検査で用いられるX線に基づく技術である。血管造影において、アクセスポイントから動脈または静脈内にカテーテルが挿入され、X線画像上で血管を可視化するためにカテーテルを通して造影剤が注入される。
目視評価は、患部の脈管の解剖学的概観を提供する一方、閉塞の機能的重要度、すなわち脈管を通る血流への閉塞の影響を提供することはない。
血流予備量比(FFR)は、狭窄が心筋への酸素供給を妨げる可能性を決定するために、狭窄の前後の圧力差を測定するために用いられる技術である。FFRは、狭窄の前方の圧力に対する狭窄の後方(遠位側)の圧力として定義され、狭窄がないと仮定した場合の最大流量と比較した、狭窄がある場合の脈管内の最大流量を表す。一部の技術は、脈管の3次元モデルまたは再構成を用い、そこから、たとえばFFRなどの機能的測定値が計算される。場合によっては、脈管の3Dモデルを構成するために、様々な角度から取得された脈管の2D画像が用いられる。
一部のシステムは、医療従事者とインタフェース接続し、3Dモデルおよび3Dモデルに基づく計算結果を表示する。
しかし、システムに入力される画像から完全な3Dモデルを再構成することは、一般に緩慢なプロセスであり、即時利用可能なメモリを大量に使用することが必要である。
また、既存のシステムは、ユーザ入力を必要とし、それに基づいて機能的測定値が計算される。たとえば、医療従事者が脈管の画像上の位置にマークを付けることが必要であり、その後、マークが付けられた位置で計算が行われる。この必然的なユーザとのインタラクションは、ユーザリソースに負担をかけ、リアルタイムで結果を提供できないことを意味する。
このように、既存のシステムは、オンラインで瞬時の結果を提供することができず、オンラインでシステムに供給される新たな画像または異なる画像に基づいて結果を改善する柔軟性を全く、またはほとんど有さない。
本発明の実施形態は、画像データに基づく脈管解析の完全自動化ソリューションを提供する。本発明の実施形態に係るシステムは、脈管または病態の位置に関するユーザ入力を必要とせず、脈管の画像から病態を検出する。その後、システムは、同じ病態が、異なる画像、場合によっては異なる角度から捕捉された画像において識別され得るように、脈管の一連の画像にわたり病態を追跡してよい。
1つの実施形態において、脈管(たとえば冠血管)解析のためのシステムが提供される。このシステムは、脈管の第1の画像において病態を自動的に検出し、第1の画像において病態、すなわち病態の位置に仮想マークを付けてよい。システムは、仮想マークに基づいて、脈管の第2の画像において病態を検出してよく、その後、第1および第2の画像において検出された病態に基づいて、病態の解析を提供(たとえばFFR値を決定)してよい。解析は、ユーザインタフェースデバイス上に表示され得る。たとえば、FFR値および/または病態のインジケーションがユーザインタフェースデバイス上に表示され得る。
第1および第2の画像は、各々が異なる角度で捕捉され得る。
1つの実施形態において、システムのプロセッサは、コンピュータビジョン技術を用いて、第1および第2の画像において脈管を検出し、第1および第2の画像において病態を検出する。その後、プロセッサは、第1の画像において脈管に対する病態の位置を示す仮想マークを生成してよく、第2の画像において脈管に対する同じ位置で検出された病態が、第1の画像内の病態と同じ病態であることを決定してよい。
異なる画像において同じ病態を識別する能力は、本明細書で詳述するように、改善された自動化ソリューションを可能にし、システムとのユーザ(たとえば医療従事者)インタラクションを容易にする。
仮想マークは、脈管の一部における病態の位置および/または脈管の構造に対する病態の位置を示してよい。いくつかの実施形態において、プロセッサは、脈管に対する位置に基づいて病態にインデックスを付ける。システムのプロセッサは、病態に関するユーザ要求に従って、脈管内の病態の位置に基づいて病態のインジケーションを表示させてよい。
本発明の実施形態によると、プロセッサによって、第1の画像において複数の病態が検出されてよく、プロセッサは、複数の病態の各々に関して異なる仮想マークを生成してよい。プロセッサは、複数の病態のインジケーションを単一のディスプレイに表示させてよい。
脈管内の各病態の位置に基づいて、複数の病態の各々に名称が割り当てられてよく、プロセッサは、複数の病態の名称を含むインジケーションを表示させてよい。
1つの実施形態において、脈管の画像に基づく自動化脈管解析のための柔軟なシステムが提供される。本発明の実施形態に係る方法およびシステムは、脈管の画像に基づいて解析結果(たとえば脈管の特性、診断、機能的測定値など)を提供する。本発明の実施形態は、脈管の画像に基づいて、これらの画像から取得可能な結果の精度を計算することが可能であり、解析精度を高めるためにユーザとのインタラクションを提供し得る。
本発明の実施形態は、脈管の2D画像から3D関連特徴を抽出し、脈管の3Dモデルを構成または使用するための処理時間および記憶空間を用いることなく、抽出された3D特徴に基づいて脈管の特性および/または機能的測定のインジケーションを出力する。したがって、本発明の実施形態は、ほぼリアルタイムの結果を瞬時に提供し、オンラインで提供される新たな画像または異なる画像に基づいて、ほぼリアルタイムで結果を改善することができる。
ここで、本発明は、より完全に理解され得るように以下の図面を参照して特定の例および実施形態に関して説明される。
本発明の実施形態は、脈管または脈管の一部の画像から脈管を自動解析し、解析結果を表示するための方法およびシステムを提供する。
本発明の実施形態に係る解析は、たとえば脈管のジオメトリ関連情報など、脈管の特性に関する情報を含んでよい。解析は更に、場合によっては脈管の1または複数の特性から計算され得る機能的測定値を含んでよい。また解析は、たとえば病態の存在、病態の識別、病態の位置などの診断情報も含んでよい。機能的測定値、脈管特性、および/または脈管の画像に基づく計算、診断、または他の情報を含み得る解析結果は、ユーザに表示され得る。
「脈管」は、体液が包含され、移動または循環する管または導管器官を含んでよい。したがって、脈管という用語は、静脈または動脈、冠血管、リンパ管、消化管の一部などを含んでよい。
脈管の画像は、適当な撮像技術、たとえばX線撮像、超音波撮像、磁気共鳴撮像(MRI)、および他の適当な撮像技術を用いて取得され得る。
「脈管特性」は、たとえば脈管および/または脈管内の病態の解剖学的特徴(たとえば解剖学的構造の一部の形状および/またはサイズ)を含んでよい。たとえば、病態は、脈管の狭窄(たとえば狭窄症)、脈管内の病変などを含んでよい。したがって、脈管特性は、たとえば脈管および/または脈管の一部の形状および/またはサイズ、脈管内の屈曲角度、(たとえば狭窄の近位および遠位側の)脈管の径、(たとえば狭窄の位置における)最小内径、病変長、狭窄の入口角度、入口長、狭窄の出口角度、出口長、狭窄によって閉塞した径の割合、狭窄によって閉塞した面積の割合などを含んでよい。病態または病態のインジケーションおよび/または他の診断は、これらの特性に基づいて計算され得る。
「機能的測定値」は、脈管を通る流量に対する病態の影響の測定値である。機能的測定値は、たとえばFFR、瞬時血流予備量比(iFR)、冠血流予備量量(CFR)、定量的冠血流比(QFR)、安静時指標(RFR)、定量冠血管解析(QCA)などの測定値を含んでよい。
以下の説明において、本発明の様々な態様が説明される。説明の目的で、本発明の完全な理解を提供するために特定の構成および詳細が記載される。ただし、本発明は、本明細書に提示する特定の詳細がなくとも実施され得ることも当業者には明らかである。また、本発明を不明瞭にしないために、既知の特徴は省略または簡略化され得る。
特に例外が記載されない限り、以下の説明から明らかであるように、本明細書を通して、たとえば「用いる」、「解析する」、「処理する」、「演算する」、「計算する」、「決定する」、「検出する」、「識別する」などの用語を用いる記述は、たとえばコンピューティングシステムのレジスタおよび/またはメモリ内で電子量などの物理量として表されたデータを、コンピューティングシステムのメモリ、レジスタ、または他のそのような情報記憶、伝送、または表示デバイス内で同様に物理量として表される他のデータに処理および/または変換するコンピュータまたはコンピューティングシステム、または同様の電子計算デバイスの動作および/またはプロセスを指すことが理解される。特に記載されない限り、これらの用語は、人間のオペレータによる動作を伴わない、またはそれと無関係な、プロセッサの自動的な動作を指す。
図1に概略的に示す1つの実施形態において、脈管解析のためのシステムは、ユーザインタフェースデバイス106と通信状態にあるプロセッサ102を含む。プロセッサ102は、各々が異なる角度から脈管113を捕捉し得る脈管113の1または複数の画像103を受信する。その後、プロセッサ102は、受信画像(複数も可)の解析を行い、ユーザインタフェース106を介して、解析結果および/または解析結果に基づく命令または他の情報をユーザに伝達する。いくつかの実施形態において、ユーザ入力が、ユーザインタフェース106を介してプロセッサ102で受信され得る。
脈管113は、たとえば静脈または動脈などの1または複数の脈管または脈管の一部、動脈の分岐系(動脈ツリー)、または脈管の他の部分および構成を含んでよい。
プロセッサ102は、たとえば1または複数のプロセッサを含んでよく、中央処理ユニット(CPU)、グラフィック処理ユニット(GPU)、デジタル信号プロセッサ(DSP)、フィールドプログラマブルゲートアレイ(FPGA)、マイクロプロセッサ、コントローラ、チップ、マイクロチップ、集積回路(IC)、または他の任意の適当な多目的または専用プロセッサまたはコントローラであってよい。プロセッサ102は、ローカルに組み込まれてよく、またはたとえばクラウド上など遠隔にあってよい。
プロセッサ102は、一般に、メモリユニット112と通信状態にある。1つの実施形態において、メモリユニット112は、後述するように、プロセッサ102によって実行されるとプロセッサ102の動作性能を促進する実行可能命令を格納する。メモリユニット112は、画像103の少なくとも一部の(部分または全体画像またはビデオと共に、たとえば反射光の強度を表す画素値などのデータを含み得る)画像データも格納してよい。
メモリユニット112は、たとえばランダムアクセスメモリ(RAM)、ダイナミックRAM(DRAM)、フラッシュメモリ、揮発性メモリ、不揮発性メモリ、キャッシュメモリ、バッファ、短期メモリユニット、長期メモリユニット、または他の適当なメモリユニットや記憶装置を含んでよい。
ユーザインタフェースデバイス106は、(たとえばモニタ上に表示されるグラフィック、画像、テキスト、または他のコンテンツなどを介して)ユーザに画像、命令、および/または通知を表示するための、たとえばモニタまたはスクリーンなどのディスプレイを含んでよい。ユーザインタフェースデバイス106は、ユーザからの入力を受信するようにも設計され得る。たとえば、ユーザインタフェースデバイス106は、ユーザがデータを入力することを可能にする、たとえばキーボードおよび/またはマウスおよび/またはタッチスクリーンなどのデータ入力用メカニズムを含んでよく、またはそれと通信状態であってよい。
システムの構成要素の全てまたは一部は、有線または無線通信状態であってよく、たとえばUSBコネクタおよび/またはネットワークハブなどの適当なポートを含んでよい。
1つの実施形態において、プロセッサ102は、一般に、画像103の1または複数の少なくとも一部に形状および/または色検出アルゴリズム、物体検出アルゴリズム、および/または他の適当な画像解析アルゴリズムを適用することなど、コンピュータビジョン技術を適用することによって、脈管の画像から脈管の特性を決定してよい。いくつかの実施形態において、画像103から脈管の一部を検出し、脈管の特性を決定するために、機械学習モデルが用いられ得る。いくつかの実施形態において、決定された脈管特性に基づいて、(たとえば病態位置における)脈管の病態および/または機能的測定値が決定され得る。
いくつかの実施形態において、病態および/または機能的測定値は、脈管の1つ(または複数)の画像から直接決定され得る。たとえば、病態および/または機能的測定値は、脈管の特性を決定する必要なく、脈管の単一の2D画像に基づいて決定され得る。
いくつかの実施形態において、脈管の特性および/または機能的測定値は、たとえば図6を参照して後述するように、脈管の画像から取得された構造データおよび時間性データの組み合わせを用いることによって決定され得る。
一般に、画像103の各々は、特定の角度または視点から脈管113を捕捉する。
1つの実施形態において、脈管の特性を決定することは、脈管の3Dモデルを構成することなく、たとえばボクセルおよび/または点群または他の3D表現を用いることなく、脈管の2D画像を受信し、画像から3D関連特徴を抽出することを含んでよい。
3D関連特徴は、点、エッジ、または物体などの画像内の特定の構造であり得る画像特徴、または画像から脈管の特性を決定するために用いられ得る画像内の他の任意の情報である。いくつかの実施形態において、3D関連特徴は、様々な視野から取得された画像から抽出される。これらの画像から得た特徴は、2D画像から脈管の特性を検出するように機械学習モデルに教示するために用いられ得る。たとえば、様々な視野から得られた2D画像から抽出された特徴は、撮像された各要素に関する特徴を計算し、特徴を統合し、特徴の表現をメモリ内に(隠された状態で)保持し、画像が入力される度に出力を更新することができるニューラルネットワーク、たとえば長短期(LSTM)ニューラルネットワークを用いて結合され得る。そのようなニューラルネットワークは、脈管の特性を学習するために用いられてよく、その後、全体3D表現を再構成したり、脈管の3Dモデルを用いたり、またはボクセルおよび/または点群または他の3D表現を用いる必要なく、2D画像から脈管の特性および/または機能的測定値を決定するために用いられ得る。
脈管の3D表現を構成および/または使用することなく、2D画像から3D関連特徴を抽出し、3D関連特徴から脈管特性および/または機能的測定値を決定することにより、精度に対し最小限のコストで迅速なプロセスが提供される。
1つの実施形態において、(たとえば抽出された3D関連特徴に基づいて)脈管の1または複数の画像から決定される脈管特性および/または機能的測定値のインジケーションは、ユーザインタフェースデバイス106を介して表示され得る。
たとえば、Medhub社のAutoCathFFR(登録商標)は、脈管の画像から脈管のFRRを自動計算するためのシステムである。たとえば、Medhub社のAutoCathIFR(登録商標)は、脈管の画像からのiFR自動計算手順のためのシステムである。
1つの実施形態において、上述したようなシステムは、図2に概略的に示す方法を実施する、たとえばプロセッサ102などのプロセッサを含む。
たとえば血管造影画像のビデオ動画などの脈管の一連の画像がシステムによって解析される。プロセッサ102は、コンピュータビジョン技術を用いて、一連の画像から第1の画像を選択し(ステップ202)、第1の画像において、たとえば狭窄症や病変などの病態を検出する(ステップ204)。病態および/または病態位置の検出は、病態位置に関するユーザ入力を必要とせず、コンピュータビジョン技術を用いて行われる。プロセッサは、第1の画像と異なる角度で捕捉された脈管の第2の画像において病態を自動的に検出してよく(ステップ206)、その後、たとえばユーザインタフェースデバイス106などのユーザインタフェースデバイス上に、病態のインジケーションと共に脈管の第1および/または第2の画像を表示させてよい(ステップ208)。
ユーザインタフェースデバイス上に表示された病態のインジケーションは、たとえば画像に重ねられ得る文字、数字、記号、様々な色および形状などのグラフィックを含んでよい。
第1の画像において病態が検出されると、病態は、画像間で形状または他の脈管特徴が変わる場合でも画像の各々において同じ病態が検出され得るように、一連の画像(たとえばビデオ)にわたり追跡され得る。
画像間で病態を追跡する方法の1つは、図3に概略的に示される。上述したように、一連の画像から第1の画像が選択され(ステップ302)、第1の画像において病態が検出される(ステップ304)。プロセッサによって、病態に仮想マークが付けられる(ステップ306)。
いくつかの実施形態において、仮想マークは位置に基づくものであり、たとえばプロセッサ102によって自動的に検出される脈管の一部における病態の位置に基づく。いくつかの実施形態において、仮想マークは、脈管の構造に対する病態の位置を含む。脈管の構造は、たとえば脈管の分岐点および/または患者に通常存在する特定の脈管など、脈管の解剖学的構造の任意の可視インジケーションを含んでよい。プロセッサ102は、コンピュータビジョン技術を用いて画像内の脈管構造を検出してよく、その後、検出された脈管構造に対する病態位置に基づいて、検出された病態にインデックスを付けてよい。
たとえば、画像内のどの画素が病態の一部であるかを決定するためにセグメント化アルゴリズムが用いられてよく、脈管の構造に対する病態の位置が、たとえばルックアップテーブルまたは他の種類の仮想インデックスに記録され得る。たとえば、第1の画像において、特定の位置(たとえば遠位左前下行動脈(LAD))に狭窄が検出される。第2の画像において同じ特定の位置(遠位LAD)にある狭窄は、第1の画像において検出されたものと同じ狭窄であると決定される。たとえば、遠位LAD内に複数の狭窄が検出された場合、狭窄の各々には、たとえば脈管の分岐点に対して、追加の脈管構造との相対位置でマークが付けられ、第2の画像において狭窄を区別することが可能である。
このように、プロセッサ102は、病態ごとに固有の仮想マークを生成し、単一画像内に複数の病態がある場合、複数の病態を互いに区別する。
次に、仮想マークに基づいて、脈管の第2の画像において病態が検出され得る(ステップ308)。その後、プロセッサ102は、仮想マークに基づいて(たとえば上述したように)病態のインジケーションを表示させてよい。いくつかの実施形態において、プロセッサは、脈管における病態の位置に基づいて病態に名称を割り当ててよく、病態のインジケーションは、下記に詳しく示すように、病態に割り当てられた名称を含んでよい。
場合によっては、脈管または脈管のグループは、複数の狭窄または他の病態を含むことがあり、異なる画像内で同じ病態を検出することがより困難になる。いくつかの実施形態において、プロセッサは、第1の画像において複数の病態を検出し、複数の病態の各々に関して異なる仮想マークを生成する。その後、プロセッサは、仮想マークに基づいて病態の各々のインジケーションを表示させてよい。いくつかの実施形態において、インジケーションは、単一のディスプレイにまとめて表示される。
このように、本発明の実施形態に係るプロセッサは、第1および第2の画像に基づいて、たとえば第1および第2の画像において検出された病態に基づいて、病態の機能的測定値(たとえばFFR値)を決定してよく、機能的測定のインジケーションを、たとえばユーザインタフェースデバイス上に表示してよい。
いくつかの実施形態において、プロセッサは、機能的測定値の精度を決定し、精度を高めるために必要な第3の画像を計算することができる。その後、プロセッサは、第3の画像のインジケーションをユーザインタフェース上に表示させ、結果の精度を高めるためにどの画像を追加すべきかをユーザに助言してよい。
第1、第2、および第3の画像は、一般に各々が異なる角度で捕捉されており、ユーザインタフェースデバイス上に表示されたインジケーションは、第3の画像の角度を含む。
実施形態において、脈管の一連の画像から選択された最適フレームが、上述した第1の画像として用いられる。
図4に概略的に示す例において、血管造影画像のビデオが受信され(ステップ402)、ビデオから最適画像が検出される(ステップ404)。最適画像において病態が検出される(ステップ406)。その後、病態は、一連の画像内で追跡されることによって他のフレーム内で検出されてよく(ステップ408)、全ての画像において病態のインジケーションを表示することが可能である(ステップ410)。
最適画像は、一般に、最も詳細を示す画像である。X線画像上で脈管(たとえば血管)を可視化するために患者に注入された造影剤を含む血管造影画像の場合、最適画像は、大量/最大量の造影剤を示す血管の画像であってよい。したがって、最適画像は、一連の画像に画像解析アルゴリズムを適用することによって検出され得る。
1つの実施形態において、最大心拍数に対応する時間に捕捉された画像は、最大量の造影剤を示す画像である。したがって、最適画像は、たとえば患者の心拍の電気活動の測定値(たとえばECGプリントアウト)と比較された画像の捕捉時間に基づいて検出され得る。
1つの実施形態において、プロセッサは、各病態に関するたとえばFFR値などの機能的測定値を計算し、その値(複数も可)を表示させ得る。
いくつかの実施形態において、プロセッサ102は、第1の画像の捕捉角度に基づいて、機能的測定値(たとえばFFR値)の精度を計算し、精度のインジケーションをユーザインタフェースデバイス106上に表示させ得る。
図5に概略的に示す1つの実施形態において、プロセッサ102は、脈管の画像(たとえば画像103)を受信し(ステップ502)、画像からの解析を提供する(たとえば脈管の特性および/または機能的測定値を決定する)(ステップ504)。たとえば、プロセッサ102は、たとえば脈管および/または脈管の一部の形状および/またはサイズ、脈管内の屈曲角度、脈管の径、最小内径、病変長、狭窄の入口角度、入口長、狭窄の出口角度、出口長、狭窄によって閉塞した径の割合、狭窄によって閉塞した面積の割合などの1または複数の特性を決定するために、受信画像(複数も可)103に(たとえば上述したような)コンピュータビジョンアルゴリズムを適用してよい。その後、プロセッサ102は、脈管の特性に基づいて、機能的測定値を決定してよい。他の実施形態において、プロセッサ102は、たとえば機械学習モデルを用いて、脈管の画像から機能的測定値(たとえばFFR)の値を予測するために回帰アルゴリズムを実行することによって、画像103から直接、機能的測定値を決定する。
いくつかの実施形態において、プロセッサ102は、画像(複数も可)103に基づいて解析の(「誤差範囲」という用語でも称される)精度を計算し(ステップ506)、精度のインジケーションをユーザインタフェースデバイス106上に表示させてよい(ステップ508)。
精度の計算は、たとえば、既知の方法(たとえば物理的測定)を用いて脈管に関する機能的測定値を取得し、取得した機能的測定値と、本発明の実施形態に従って脈管の画像から取得された機能的測定値とを比較することによって行われ得る。既知の方法によって取得された測定値からの逸脱は、本発明の実施形態に基づく決定の精度を決定するために用いられ得る。これは、可能な全ての角度で取得された画像に関して行うことができ、それによって、異なる角度の画像および/または画像の組み合わせを様々な精度に結び付けるマップまたは回帰解析が生成される。この解析は、経験的実験を行うことによって、または、たとえば予測モデルを用いて画像の角度から精度へのマッピング機能を生成することによって行われ得る。
このように、本発明の実施形態に係るプロセッサは、角度を有して脈管を捕捉する画像である脈管の画像を受信し、角度に基づいて、解析(たとえば脈管の特性および/または機能的測定値の決定)の精度を計算してよい。
本発明の実施形態によると、可能な任意の角度で取得された任意の画像が精度にマッピングされ得るので、必要な精度に依存して、単一の2D画像に基づいて機能的測定値および他の解析が取得され得る。
プロセッサ102は脈管の様々な画像(たとえば異なる角度から捕捉された画像)において特定の病態を検出し、様々な画像に基づいて各病態に関する精度を決定し得るので、プロセッサ102は、解析の精度を調整、たとえば改善するために(もしあれば)どの追加画像(どの角度で捕捉された画像)が必要であるかを計算することができる。
1つの実施形態において、ステップ508においてユーザインタフェースデバイス上に表示された精度のインジケーションは、解析結果の精度を高め、誤差範囲を小さくするために、いくつの追加画像を追加すべきかに関する、一般に各追加画像の角度を指定する、ユーザ(たとえば医療従事者)への命令または通知を含む。
1つの実施形態において、プロセッサ102は、ユーザによって既に供給された画像に追加された場合に最も向上した精度を提供し得る単一の画像角度のインジケーションを提供し得る。
図6に概略的に示す1つの実施形態において、一連の画像、たとえば血管造影画像のビデオ603は、たとえば撮像された脈管の特性を決定するため、および/または脈管の機能的測定値を計算するために解析される。プロセッサは、ビデオ603内の少なくとも1つの画像から脈管の構造データ604を取得する。またプロセッサは、ビデオ603の画像から脈管の時間性データ605も取得する。構造データ604および時間性データ605は結合され、結合された情報は、たとえばエンコーダ610によって、関連特徴を取得するために解析され、そこから脈管の特性が決定され、および/または脈管の機能的測定値が計算される。
1つの実施形態において、プロセッサは、脈管の画像から病態を決定し、病態のインジケーションをユーザインタフェースデバイス606上に表示させてよい。
いくつかの実施形態において、脈管の機能的測定値は、脈管の特性に基づいて、またはエンコーダ610によって取得された関連特徴に基づいて計算され得る。その後、機能的測定値のインジケーションは、ユーザインタフェースデバイス606上に表示され得る。
エンコーダ610によって計算された関連特徴は、たとえば脈管の一部の形状またはサイズなどの脈管特性を決定するためにも用いられ得る。
いずれの場合も、表示された解析(病態、機能的測定値、脈管の特性など)の精度のインジケーションが計算され、ユーザインタフェースデバイス606上に表示され得る。
上述したように、血管造影画像は、X線画像上で脈管(たとえば血管)を可視化するために患者に注入された造影剤を含む。したがって、1つの実施形態において、構造データ604を取得するために血管造影ビデオから選択された画像は、最適画像、たとえば大量/最大量の造影剤を示す血管の画像であってよい。
時間性データ605は、脈管内の点における(造影剤によって可視の)血液の流速を推定するフローマップから取得され得る。流れを計算し、フローマップを生成することは、ビデオ603に動き検出アルゴリズムを適用することによって、および/または、動きを推定しオプティカルフローマップを出力するように訓練されたニューラルネットワークを用いることによって行われ得る。
構造データ604は、画像内で脈管および/または病態および/または他の情報に関連するジオメトリを検出するために、たとえばビデオ内の少なくとも1つの画像(たとえば最大量の造影剤を示す画像)にセグメント化アルゴリズムを適用することなど、コンピュータビジョン技術を用いることによって取得され得る。
いくつかの実施形態において、脈管の一部が検出され、脈管内の病態の位置が、エンコーダ610によって計算された関連特徴に基づいて決定され得る。病態の位置および/または他のインジケーションは、その後、ユーザインタフェースデバイス606上に表示され得る。
図7にその例が概略的に示される1つの実施形態において、たとえばプロセッサ102などのプロセッサは、脈管の画像を受信し(ステップ702)、脈管の画像から病態(たとえば病変または狭窄)を決定する(ステップ704)。たとえば、病態は、脈管の特性から、および/または、たとえば上述したように脈管の画像から抽出された関連特徴から決定され得る。その後、プロセッサは、病態の重要度を計算し(ステップ706)、重要度に基づいて、病態のインジケーションおよび/または病態の機能的測定値を表示させ得る。たとえば、病態の重要度は、たとえば病態のサイズおよび/または形状、および/または病態によって閉塞した径の割合、病態によって閉塞した面積の割合などの病態のパラメータに基づいて決定され得る。
1つの実施形態において、重要度が閾値、たとえば所定の閾値を超過する場合(ステップ707)、病態および/または病態に関連する機能的測定値がユーザに表示される(708)。しかし、重要度が所定の閾値未満である場合(ステップ707)、病態および/または機能的測定値はユーザに表示されなくてよい(ステップ710)。いくつかの実施形態において、病態は、それらの重要度に基づいて評価され、その等級と共にユーザに表示されてよく、たとえば各病態は、後述するようにその重要度を記載する表に表示され得る。
他の実施形態において、重要度は、複数の病態を互いに、および/または所定の基準と比較することによって計算され得る。
このように、脈管解析のためのシステムは、ユーザインタフェースデバイスと通信状態にあるプロセッサを含む。プロセッサは、脈管の画像から脈管の病態を決定し、病態の重要度を計算し、計算された重要度に基づいてデバイスを制御する。たとえば、プロセッサは、計算された重要度に基づいてディスプレイを制御するようにユーザインタフェースデバイスを制御してよい。
いくつかの実施形態において、たとえばプロセッサ102などのプロセッサは、脈管内の病態の位置および機能的測定値、たとえばFFR値の1または両方に基づいて病態を分類してよい。プロセッサは、脈管内の位置および/またはFFR値に基づいて病態に関するユーザ要求を受諾し、分類に従って病態を表示してよい。
本発明の実施形態に係るユーザインタフェースの例は、図8Aおよび図8Bに概略的に示される。
図8Aに概略的に示す1つの実施形態において、冠血管、たとえばLAD803を特定の角度で捕捉する画像が、モニタ816に表示される。
1つの実施形態において、機能的測定値FFR801は、機能的測定値FFR801を計算するために用いられた画像の番号のインジケーション804と共に、ユーザインタフェースデバイスのモニタ816に表示される。1つの実施形態において、機能的測定値を取得するために単一の画像が用いられ得る。いくつかの実施形態において、機能的測定値を計算するために複数の画像が用いられた場合でも、最適または最も可視性の高い特徴を含むLAD803の1つの画像のみがモニタ816に表示される。
1または複数の病態、たとえば狭窄807のインジケーションは、表示画像に重ねられたグラフィックとして表示され得る。いくつかの実施形態において、表示画像は、脈管の表現である。たとえば、表示された表現は、たとえば(一般に異なる角度で取得された)複数の画像の複合画像または(異なる角度で取得された)複数の画像の平均画像など、脈管画像の組み合わせを含んでよい。表示画像(複数も可)が取得された角度(複数も可)805は、ディスプレイ816上に示され得る。
いくつかの実施形態において、図8Bに示すように、モニタ816に表示される脈管の画像は、実際の画像ではなく脈管のグラフィック図813である。
たとえば文字、数字、記号、様々な色および形状などを含み得るグラフィックは、脈管の表現に重ねて表示され得る。たとえば、LADの一部および1または複数の病態に参照符号811が付けられ得る。参照符号811は、表812に示すように、病態の位置を特定する際にユーザを支援するために用いられ得る。たとえば、表812の第1列は、内側LADにおける脈管番号7に関し、それらは脈管のグラフィック図813で参照符号811として示される。
参照符号811は、プロセッサによって、コンピュータビジョン技術に基づいてプロセッサによって検出された様々な脈管部分に割り当てられ得る。
いくつかの実施形態において、モニタ816は、ユーザが、脈管の表現(たとえば画像またはグラフィック図)に重ねられたグラフィックを少なくとも部分的に隠すことを可能にするボタン808を含み、それによってユーザは、様々なグラフィックによって遮られずに脈管を見ることができる。たとえば、ボタン808の作動によって、全てまたは特定のグラフィックが消え、または透明になり得る。
また、精度、誤差範囲802、FFRの値801もモニタ816に表示される。上述したように、誤差範囲802は、既知の角度で取得された各画像に関して知られ得る。精度も同様に、様々な角度で取得された画像の組み合わせに関して知られ、または計算され得る。したがって、様々な角度で取得された画像を追加することにより、現在表示されている機能的測定値の精度が変化し得る。たとえば、ユーザ(たとえば医療従事者)は、誤差範囲802を変更するために、角度805とは異なる角度で取得された画像を追加してよい。いくつかの実施形態において、モニタ816は、精度を高めるため、またはシステムによって提供される解析結果の誤差範囲を最小限にするために、システムに入力すべき追加画像の角度のインジケーションをユーザに表示するためのウインドウ815を含む。
1つの実施形態において、プロセッサ102は、脈管内の病態の位置およびFFR値の1または両方に基づいて病態を分類してよい。1つの実施形態において、プロセッサは、脈管内の位置および/またはFFR値に基づいて病態の表示に関するユーザ要求を受諾してよい。
本発明の実施形態は、脈管画像における病態の自動検出を可能にし、解剖学的構造に対する病態の位置をマークすることを可能にするので、病態の識別前に捕捉された脈管画像においても、病態が遡及的に識別およびマークされ得る。したがって、本発明の実施形態に係るプロセッサは、第1の画像における病態の検出より前に捕捉された画像において、第1の画像内で病態に付けられた仮想マークに基づいて、第1の画像内の病態と同じ病態を検出し得る。これにより、ユーザは、オフラインで、画像の捕捉時間と同様に作業することができる。オフラインでの作業は、画像内で遡及的に病態をマークすること、ならびに、所望のパラメータに基づいて画像を分類し、分類に基づいて結果を表示することを含んでよい。また、オフラインでの作業は、後述するように解析を収集することも含んでよい。たとえば、ユーザは、内側LADにおいて検出された全ての狭窄を見ることを要求してよい。するとプロセッサは、要求された分類に従って狭窄を表示するように、たとえば内側LAD脈管の画像または表現およびその各情報(たとえば表812の第1列)のみを表示するようにユーザインタフェースデバイスを制御してよい。
他の例において、ユーザは、閾値を超過するFFR値を有する狭窄を見ることを要求してよく、その場合、プロセッサ102は、当てはまるFFR値を有する狭窄のみをユーザインタフェースデバイス上に表示させ、または示させてよい。
本発明の実施形態は、任意の適当な撮像方法によって取得された画像、たとえば定量表面大腿血管造影などの定量血管造影法、たとえば血管内超音波などの超音波法、たとえば光干渉断層撮影(OCT)などの断層撮影法、他などを用いて取得された画像に用いられ得る。
本発明の実施形態は、たとえばFFRなどの機能的測定値を取得するためのシステムおよび方法であって、その精度がリアルタイムで改善され、特定のユーザ要求に適合され得るシステムおよび方法を提供する。
いくつかの実施形態において、ビッグデータを作成するために、(たとえば平均余命および寿命などの)医療データおよび/または(たとえば年齢、性別、病歴などの)他のデータがシステムに入力され、脈管および脈管内の病態の画像と共に用いられ得る。たとえば、本発明の実施形態は、たとえば特定の施設または施設ネットワークで検査された全ての患者の血管造影図など、多数の被験者から収集された、たとえばFFRなどの機能的測定値に関する解析をユーザに提供することを可能にする。そのような解析は、たとえば性別および年齢ごとのFFR、および解剖学的領域および/または動脈ごとのFFRを含んでよい。本発明の実施形態に係るユーザインタフェースデバイスは、そのような解析に関するユーザ要求のためのボタン、および/またはそのような解析の数値および/またはグラフィック表現を表示するウインドウを提供してよい。
ビッグデータは、たとえば、病態の危険度および場合によっては病態ごとの最適な医療処置を長期的に予測するために用いられ得る。たとえば、Medhub社のAutoCathPred(登録商標)は、ビッグデータ解析に基づいて、危険性の高い病態および病態の最適な治療の予測を提供するためのシステムである。
Claims (19)
- 脈管解析のためのシステムであって、
ユーザインタフェースデバイスと通信状態にあるプロセッサを備え、前記プロセッサは、
前記脈管の第1の画像において病態を検出し、
前記第1の画像において前記病態の位置に仮想マークを付け、
前記仮想マークに基づいて、前記脈管の第2の画像において前記病態を検出し、
前記第1および第2の画像において検出された前記病態に基づいて、前記病態のFFR値を決定し、
前記FFR値のインジケーションを前記ユーザインタフェースデバイス上に表示させる
ように構成される、システム。 - 前記脈管は冠血管を備える、請求項1に記載のシステム。
- 前記プロセッサは、前記病態のインジケーションを前記ユーザインタフェースデバイス上に表示させるように構成される、請求項1に記載のシステム。
- 前記プロセッサは、コンピュータビジョン技術を用いて、
前記第1および第2の画像において前記脈管を検出し、
前記第1および第2の画像において病態を検出し、
前記第1の画像において前記脈管に対する前記病態の位置を示すために前記仮想マークを生成し、
前記第2の画像において前記脈管に対する同じ位置で検出された病態が、前記第1の画像における病態と同じ病態であることを決定する
ように構成される、請求項1に記載のシステム。 - 前記仮想マークは、前記脈管の一部における前記病態の位置を示す、請求項4に記載のシステム。
- 前記仮想マークは、前記脈管の構造に対する前記病態の位置を示す、請求項4に記載のシステム。
- 前記プロセッサは、前記脈管に対する位置に基づいて前記病態にインデックスを付けるように構成される、請求項4に記載のシステム。
- 前記プロセッサは、
病態の分類を得るために、前記脈管に対する前記病態の位置に基づいて病態を分類し、
ユーザ要求に応じて、前記分類に従って前記病態を表示する
ように構成される、請求項7に記載のシステム。 - 前記プロセッサは、
前記脈管の表現を前記ユーザインタフェースデバイス上に表示させ、
前記病態のインジケーションを、前記表現に重ねられたグラフィックとして表示させる
ように構成される、請求項1に記載のシステム。 - 前記プロセッサは、前記グラフィックを隠すことが可能であるように構成される、請求項9に記載のシステム。
- 前記プロセッサは、
前記第1の画像において複数の病態を検出し、
前記複数の病態の各々に関して異なる仮想マークを生成する
ように構成される、請求項1に記載のシステム。 - 前記プロセッサは、前記複数の病態のインジケーションを単一のディスプレイに表示させるように構成される、請求項11に記載のシステム。
- 前記プロセッサは、前記脈管における各病態の位置に基づいて、前記複数の病態の各々に名称を割り当てるように構成される、請求項11に記載のシステム。
- 前記プロセッサは、前記複数の病態の前記名称を含むインジケーションを表示させるように構成される、請求項13に記載のシステム。
- 前記第1の画像および第2の画像は、各々が異なる角度で捕捉される、請求項1に記載のシステム。
- 前記プロセッサは、前記病態の重要度を計算し、前記重要度に基づいて前記FFRのインジケーションを表示させるように構成される、請求項1に記載のシステム。
- 前記プロセッサは、複数の決定された病態を比較することによって前記重要度を計算するように構成される、請求項16に記載のシステム。
- 前記プロセッサは、前記仮想マークに基づいて、前記第1の画像における前記病態の検出より前に捕捉された第3の画像において前記病態を検出するように構成される、請求項1に記載のシステム。
- 前記ユーザインタフェースデバイスは、FFRに関する解析に対するユーザ要求を受信し、前記解析を表示するように構成される、請求項1に記載のシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962897453P | 2019-09-09 | 2019-09-09 | |
IL269223A IL269223B2 (en) | 2019-09-09 | 2019-09-09 | Automatic analysis of information from images to determine ffr |
IL269223 | 2019-09-09 | ||
US62/897,453 | 2019-09-09 | ||
PCT/IL2020/050973 WO2021048838A2 (en) | 2019-09-09 | 2020-09-07 | Automated analysis of image data to determine fractional flow reserve |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022550267A true JP2022550267A (ja) | 2022-12-01 |
Family
ID=74870002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022515050A Pending JP2022550267A (ja) | 2019-09-09 | 2020-09-07 | 血流予備量比を決定するための画像データの自動解析 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220335612A1 (ja) |
EP (1) | EP4027873A4 (ja) |
JP (1) | JP2022550267A (ja) |
CN (1) | CN114340481A (ja) |
WO (1) | WO2021048838A2 (ja) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9858387B2 (en) * | 2013-01-15 | 2018-01-02 | CathWorks, LTD. | Vascular flow assessment |
US9888968B2 (en) * | 2014-07-22 | 2018-02-13 | Siemens Healthcare Gmbh | Method and system for automated therapy planning for arterial stenosis |
US9349178B1 (en) * | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
EP3777689A1 (en) * | 2014-12-08 | 2021-02-17 | Koninklijke Philips N.V. | Diagnostic and imaging direction based on anatomical and/or physiological parameters |
US11071501B2 (en) * | 2015-08-14 | 2021-07-27 | Elucid Bioiwaging Inc. | Quantitative imaging for determining time to adverse event (TTE) |
-
2020
- 2020-09-07 WO PCT/IL2020/050973 patent/WO2021048838A2/en unknown
- 2020-09-07 EP EP20863367.7A patent/EP4027873A4/en active Pending
- 2020-09-07 CN CN202080062699.8A patent/CN114340481A/zh active Pending
- 2020-09-07 JP JP2022515050A patent/JP2022550267A/ja active Pending
- 2020-09-07 US US17/641,126 patent/US20220335612A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2021048838A2 (en) | 2021-03-18 |
EP4027873A2 (en) | 2022-07-20 |
US20220335612A1 (en) | 2022-10-20 |
CN114340481A (zh) | 2022-04-12 |
EP4027873A4 (en) | 2023-09-20 |
WO2021048838A3 (en) | 2021-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10687777B2 (en) | Vascular data processing and image registration systems, methods, and apparatuses | |
JP6864298B2 (ja) | リスクのある心臓組織の可視化のための方法およびシステム | |
JP7090546B2 (ja) | 灌流デジタルサブトラクション血管造影 | |
US20230389799A1 (en) | Arterial Imaging And Assessment Systems And Methods And Related User Interface Based-Workflows | |
EP2967480B1 (en) | Vascular data processing and image registration methods | |
EP2442276B1 (en) | Medical image processing apparatus and medical image processing method | |
EP2863802B1 (en) | Flow-related image processing in luminal organs | |
JP2021126538A (ja) | X線画像特徴検出および位置合わせのシステムおよび方法 | |
JP6745875B2 (ja) | 圧力又は流量測定及び血管造影法からの流量、抵抗又は圧力の推定 | |
WO2014036638A1 (en) | Systems and methods for diagnosing strokes | |
JP2020011042A (ja) | 脳血管異常の同定のための方法およびシステム | |
CN112674736B (zh) | 一种用于自动评价血管形变的监测显示方法及系统 | |
US20220319004A1 (en) | Automatic vessel analysis from 2d images | |
US20230113721A1 (en) | Functional measurements of vessels using a temporal feature | |
JP7049402B2 (ja) | プロセッサ装置の作動方法 | |
US20230054891A1 (en) | Systems And Methods Of Identifying Vessel Attributes Using Extravascular Images | |
JP2022550267A (ja) | 血流予備量比を決定するための画像データの自動解析 | |
JP2022510879A (ja) | 血行力学的シミュレーションのための最も関連のあるx線画像の選択 | |
IL269223B2 (en) | Automatic analysis of information from images to determine ffr | |
US11694330B2 (en) | Medical image processing apparatus, system, and method | |
JP2024500769A (ja) | Octによる流量測定 | |
CN117915824A (zh) | 使用血管外图像识别血管特质的系统和方法 | |
JP2023547373A (ja) | 血管流体流速を決定する方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221118 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230905 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240329 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240409 |